<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[no_candy的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/no_candy</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; no_candy]]></copyright><item><title><![CDATA[excel在选定的单元格中快速填充相同的内容]]></title><link>https://blog.youkuaiyun.com/no_candy/article/details/133929140</link><guid>https://blog.youkuaiyun.com/no_candy/article/details/133929140</guid><author>no_candy</author><pubDate>Thu, 19 Oct 2023 16:13:57 +0800</pubDate><description><![CDATA[1、快速选中单元格：选中一个单元格后按shift，再选中最后一个，可快速选中多个连续的单元格；2、在顶部菜单栏下面的编辑栏输入框中输入要填写的内容；3、按住ctrl键后，再按enter键。]]></description><category></category></item><item><title><![CDATA[数据处理遇到的坑]]></title><link>https://blog.youkuaiyun.com/no_candy/article/details/128798739</link><guid>https://blog.youkuaiyun.com/no_candy/article/details/128798739</guid><author>no_candy</author><pubDate>Mon, 30 Jan 2023 13:42:41 +0800</pubDate><description><![CDATA[用GPU跑时提示“CUDA error: out of memory”，以为是超内存了，减小数据集还是提示这个，网上查找后看到有说用CPU跑会有更详细的报错提示。数据集标签不是从0开始的，要改为从0开始，比如二分类要用0，1；解决方法：文本编码不对，需要转换为。]]></description><category></category></item><item><title><![CDATA[【torch.max()函数】predic = torch.max(outputs.data, 1)[1].cpu().numpy()]]></title><link>https://blog.youkuaiyun.com/no_candy/article/details/128039142</link><guid>https://blog.youkuaiyun.com/no_candy/article/details/128039142</guid><author>no_candy</author><pubDate>Fri, 25 Nov 2022 16:04:18 +0800</pubDate><description><![CDATA[torch.max()函数返回两个值，一个是具体的值，也就是预测概率，另一个是值对应的索引，即预测类别；这两个值分别用_,predidcted表示。.numpy() ：把数据转化为ndarray，即N维数组对象。troch.max()[1]：只返回最大值的索引。dim = 1 表示按行求最大值，并返回其索引。dim = 0 表示按列求最大值，并返回其引。dim 返回最大值以及最大值的索引。]]></description><category></category></item><item><title><![CDATA[【TensorFlow模型构建】Sequential():通过层的堆叠，构建神经网络]]></title><link>https://blog.youkuaiyun.com/no_candy/article/details/127987320</link><guid>https://blog.youkuaiyun.com/no_candy/article/details/127987320</guid><author>no_candy</author><pubDate>Wed, 23 Nov 2022 10:52:11 +0800</pubDate><description><![CDATA[有两种类型的模型，tf.keras.Sequential 和 函数式模型（Model）tf.keras 可以运行任何keras兼容的代码，但要注意版本是否匹配，保存模型默认采用方式，也可以传递save_format='h5’来使用HDF5。最常见的模型是层的堆叠：tf.keras.Sequential，层的叠加。]]></description><category></category></item><item><title><![CDATA[【卷积神经网络】]]></title><link>https://blog.youkuaiyun.com/no_candy/article/details/127966611</link><guid>https://blog.youkuaiyun.com/no_candy/article/details/127966611</guid><author>no_candy</author><pubDate>Mon, 21 Nov 2022 15:56:52 +0800</pubDate><description><![CDATA[全连接层（Affine层）存在的问题：数据的形状被“忽视”了。比如，输入数据是图像时，图像通常是高、长、通道方向上的3维形状。但是，向全连接层输入时，需要将3维数据拉平为1维数据。当输入数据是图像时，卷积层会以3维数据的形式接收输入数据，并同样以3维数据的形式输出至下一层。其中，卷积层的输入数据称为输入特征图，输出数据称为输出特征图。在进行卷积层的处理之前，有时要向输入数据的周围填入固定的数据（比如0等），这称为。经过池化运算，输入数据和输出数据的通道数不会发生变化。池化是缩小高、长方向的空间的运算。]]></description><category></category></item></channel></rss>